【摘 要】
：
在随机过程中，最广泛使用的动力学方程当属朗之万方程与广义朗之万方程。前者根据物理需要形式上写出来，而后者在微观上基于系统加热库模型，通过投影技术、矩阵连分式和绝热消除快量等方法，得到关于系统变量的随机积分微分方程，即广义朗之万方程(GLE)。在GLE中，随机力关联函数与记忆阻尼核函数满足涨落耗散定理，在热力学极限下束缚势下的系统存在渐进稳定态，且能量分布为玻耳兹曼分布。
论文部分内容阅读
在随机过程中，最广泛使用的动力学方程当属朗之万方程与广义朗之万方程。前者根据物理需要形式上写出来，而后者在微观上基于系统加热库模型，通过投影技术、矩阵连分式和绝热消除快量等方法，得到关于系统变量的随机积分微分方程，即广义朗之万方程(GLE)。在GLE中，随机力关联函数与记忆阻尼核函数满足涨落耗散定理，在热力学极限下束缚势下的系统存在渐进稳定态，且能量分布为玻耳兹曼分布。
其他文献
流体中粒子的扩散问题具有重要的理论意义和应用价值。然而长期以来，描述粒子扩散的速度自关联函数以及扩散系数公式以分段形式给出，也就是短时间内遵从分子动力论描述，长时间遵从流体输运理论描述，从而导致扩散系数不能被准确定量求解。通过对流体输运方程的严格求解，我们获得了速度自关联函数的统一的函数关系，从而求解了扩散系数随时间变化的规律，给出了对布朗粒子准确的描述。本文还将讨论流体中的热传导系数和粘滞系数。
Using fission yeast cell cycle as an example,we uncovered that the non-equilibrium network dynamics and global properties are determined by two essential features: the potential landscape and the flux
Active matter is a fast developing field of interdisciplinary research about the non-equilibriumsystems where energy is spent at the local scale to drive the system.According to the time-and length-sc
In this talk,I will report our recent studies on thermal conduction in low-dimensional systems.Inparticular,we will first present our studies on interfacial thermal conduction in one-dimensional harmo
We consider the Langevin dynamics of a system of globally coupled Brownian particles subject to avelocity-dependent force that favors alignment of the particle velocities.Transition to a flocking stat
非平衡化学反应流广泛于自然界和工程物理等领域。因为基于Navier-Stokes的传统宏观流体建摸不足以描述系统内极其复杂的非平衡行为，而微观粒子模拟在时间和空间尺度方面往往又不能实际需求，所以包含大量微介观结构、复杂非平衡行为的化学反应流系统的物理建模、算法设计与信息提取均存在较强的挑战性！
Synchronized states in many natural and artificial systems,such as bird flocks and power grids,can be modeled by networks of coupled oscillators such as those in the Kuramoto model,but synchronization
自然界中水绝大部分以盐溶液的形式存在。芳环结构(以碳原子为主体的环状结构，例如苯环)广泛的存在于生物分子和碳基纳米材料中，如：芳环氨基酸(色氨酸、酪氨酸和苯丙氨酸)、DNA和RNA核酸碱基、多巴胺、石墨烯、碳纳米管和富勒烯等。芳环结构与水分子之间仅存在较弱的作用。上世纪八十年代，人发现该结构与离子之间有强的非共价键作用(离子-π作用)。由于离子与水之间也存在着强的非共价作用(水合作用)，因此在水溶
Recent experiments and simulations [1-4] observed "Fickian,but non-Gaussian" diffusion,in which case the mean-square displacement(MSD)increases linearly over time while the distribution of particle di
One of the basic structural reasons that complex networks are "complex" is that they contain an abundant number of(long and short)cycles.Cycles lead to feedbacks and complex dynamical processes.The ta